大地测量与地球动力学

解释变量	系数	t统计	p值	VIF
年平均降雨量	-9.890 9	-43.805 1	＜0.01	1.064 3
地下水位降幅	4.678 4	40.935 6	＜0.01	1.036 3
机井点位核密度	2.532 3	9.068 0	＜0.01	1.570 5
土壤湿度(100 m)	0.695 2	2.492 9	＜0.05	1.567 0

解释变量	系数	t统计	p值	VIF
年平均降雨量	-9.890 9	-43.805 1	＜0.01	1.064 3
地下水位降幅	4.678 4	40.935 6	＜0.01	1.036 3
机井点位核密度	2.532 3	9.068 0	＜0.01	1.570 5
土壤湿度(100 m)	0.695 2	2.492 9	＜0.05	1.567 0

模型	AICc	R²	校正R²
OLS	23 284.378 2	0.554 3	0.553 7
GWR	18 610.924 5	0.912 5	0.908 9

模型	AICc	R²	校正R²
OLS	23 284.378 2	0.554 3	0.553 7
GWR	18 610.924 5	0.912 5	0.908 9

时间	农业园区水位/m	老龙河区水位/m	牛圈子湖区水位/m
2016-12	18.63	31.74	26.59
2017-12	19.18	31.61	27.15
2018-12	18.61	29.22	27.67
2019-12	17.6	26.57	27.99
2020-12	17.33	23.37	28.71
变幅	1.3	8.37	2.12

时间	农业园区水位/m	老龙河区水位/m	牛圈子湖区水位/m
2016-12	18.63	31.74	26.59
2017-12	19.18	31.61	27.15
2018-12	18.61	29.22	27.67
2019-12	17.6	26.57	27.99
2020-12	17.33	23.37	28.71
变幅	1.3	8.37	2.12

地下水位驱动的地面沉降空间分异规律研究

黄静 ¹^,² , 吴彬 ¹^,²^,* , 张红忠 ¹^,² , 翟世龙 ³

大地测量与地球动力学 | 特色栏目: 地震大地测量学 2026,46(9): 1124-1133

收起

大地测量与地球动力学 |特色栏目: 地震大地测量学 2026 , 46 (9) : 1124 -1133

地下水位驱动的地面沉降空间分异规律研究

全屏

黄静¹^,², 吴彬¹^,²^,*, 张红忠¹^,², 翟世龙³

作者信息

1 新疆农业大学水利与土木工程学院, 乌鲁木齐, 830052

2 新疆水利工程安全与水灾害防治重点实验室, 乌鲁木齐, 830052

3 新疆维吾尔自治区地震局, 乌鲁木齐, 830011

通讯作者:

吴彬，博士，教授，主要研究方向为内陆干旱区水资源保护与利用，E-mail:wubinxj@163.com

作者简介:

黄静，讲师，主要研究方向为InSAR技术应用，E-mail:hj370588705@126.com

Spatial Differentiation Patterns of Land Subsidence Driven by Groundwater Level

Jing HUANG¹^,², Bin WU¹^,²^,*, Hongzhong ZHANG¹^,², Shilong ZHAI³

Affiliations

1 College of Hydraulic and Civil Engineering, Xinjiang Agricultural University, Urumqi 830052, China

2 Xinjiang Key Laboratory of Hydraulic Engineering Security and Water Disasters Prevention, Urumqi 830052, China

3 Earthquake Agency of Xinjiang Uygur Autonomous Region, Urumqi 830011, China

出版时间: 2026-09-15 doi: 10.14075/j.jgg.2025.12.435

文章导航

摘要

收起

以新疆昌吉市农业灌溉区为研究对象，综合时序InSAR、地理加权回归（GWR）与小波分析方法，基于2017—2020年Sentinel-1A数据获取地表形变场，融合多源数据量化驱动因子的空间异质性，并提取形变时序的周期特征。结果表明：1）研究区形变在空间上呈“南稳-中沉-北升”格局，中部沉降漏斗最大沉降速率达-90.1 mm/a，北部抬升区最大抬升速率达21.7 mm/a；在时序上表现为持续累积并叠加季节波动，2020-08最大累积沉降量为-407.3 mm。2）GWR模型揭示驱动机制具有显著空间异质性：南部稳定受充沛降雨与粗颗粒含水层控制，中部沉降与地下水超采及细粒易压缩地层密切相关，北部抬升主要由人为调控导致的水位回升驱动。3）小波分析识别出沉降区存在372 d与348 d两个主周期，其空间分布与农业灌溉强度高度一致，揭示了农业开采活动是控制其周期特征空间分异的主要因素。本研究为干旱区地面沉降分异防控与水资源适应性管理提供了依据。

关键词

地面沉降 / 地下水位 / 空间分异 / 周期特征 / 昌吉市

Abstract

收起

This study takes the agricultural irrigation district of Changji, Xinjiang as the research object. By integrating time-series InSAR, geographically weighted regression (GWR), and wavelet analysis methods, and based on Sentinel-1A data from 2017 to 2020, the surface deformation field was obtained. Multi-source data were fused to quantify the spatial heterogeneity of driving factors, and periodic characteristics of the deformation time series were extracted. The results show that: 1)The deformation in the study area exhibits a spatial pattern of stable in the south, subsiding in the center,and uplifting in the north. The maximum subsidence rate in the central subsidence funnel reached -90.1 mm/a, while the uplift rate in the northern area reached 21.7 mm/a. Temporally, the deformation showed continuous accumulation superimposed with seasonal fluctuations, with the maximum cumulative subsidence reaching -407.3 mm in August 2020. 2)The GWR model revealed significant spatial heterogeneity in the driving mechanisms: stability in the south is controlled by abundant rainfall and coarse-grained aquifers; subsidence in the central area is closely related to groundwater over-extraction and fine-grained, easily compressible strata; uplift in the north is mainly driven by human-regulated water level recovery. 3)Wavelet analysis identified two main periodicities of 372 days and 348 days in the subsidence areas, whose spatial distribution is highly consistent with the intensity of agricultural irrigation. This indicates that agricultural extraction activities are the primary factor controlling the spatial differentiation of these periodic characteristics. This study provides a basis for differentiated prevention and control of land subsidence and adaptive water resource management in arid regions.

Key words

land subsidence / groundwater level / spatial differentiation / periodicity characteristics / Changji

引用本文

黄静, 吴彬, 张红忠, 翟世龙. 地下水位驱动的地面沉降空间分异规律研究. 大地测量与地球动力学, 2026 , 46 (9) : 1124 -1133 . DOI: 10.14075/j.jgg.2025.12.435

Jing HUANG, Bin WU, Hongzhong ZHANG, Shilong ZHAI. Spatial Differentiation Patterns of Land Subsidence Driven by Groundwater Level[J]. Journal of Geodesy and Geodynamics, 2026 , 46 (9) : 1124 -1133 . DOI: 10.14075/j.jgg.2025.12.435

正文

收起

地面沉降是在自然因素与人为活动共同作用下，地下松散地层压缩所导致的地面高程降低现象，沉降速率可达数十至数百毫米每年^[1-2]。合成孔径雷达干涉测量(InSAR)技术，特别是时序InSAR(如PS-InSAR、SBAS-InSAR等)，凭借其大范围、高精度与长时序的形变监测优势，已成为揭示地面沉降空间格局与动态演变过程的关键技术手段^[3]。国内外学者利用InSAR技术在墨西哥塞罗普列托^[4]、泰国曼谷^[5]、美国加州中央谷^[6]及我国天津^[7]、太原盆地^[8]、北京平原区^[9]和西安^[10]等典型区域，成功实现了对沉降过程的高精度监测，普遍确认了地下水开采的核心驱动作用。然而，地面沉降对驱动因素的响应并非均质，而是受局部水文地质结构、人类活动强度、气候条件(如降雨)等多重因素调制，呈现出显著的空间非平稳性^[11-13]。因此，对其机制的研究需从传统的均质化转向空间非平稳性，系统揭示其驱动过程与响应机理在空间上的异质性。

天山北坡经济带是新疆经济发展的核心地带，受干旱气候与地表水资源短缺的制约，地下水长期超采问题严峻。昌吉市作为农业灌溉高度依赖地下水的典型城市，正面临着地下水位持续下降与地面沉降风险加剧的双重压力。目前，该区域缺乏系统性高精度沉降监测，致使沉降的空间格局、发展速率及主导成因均不明确。针对上述问题，本文集成时序InSAR、地理加权回归与小波变换方法，系统揭示昌吉市地面沉降的时空演变规律、量化多因子驱动机制，并解析其周期特征，为区域沉降风险防控提供科学依据。

1 研究区概况

收起

昌吉市地处天山北麓，地形南高北低，其中部头屯河-三屯河洪积平原由第四系松散沉积物构成，形成了自南向北的水文地质分带格局^[14]。沪霍线以南包括阿什里乡、三工镇、军户农场及榆树沟镇、二六工镇南部，处在山前冲洪积扇中上部，为单一结构的巨厚潜水含水层，属强径流区，沉积物为厚达数百米的卵石、砾石和粗砂，结构松散、孔隙大，缺乏稳定的隔水层^[15]。沪霍线以北包括滨湖镇、佃坝镇、六工镇、大西渠镇北部等，处在洪积扇中部，是地下水的主要排泄区和利用区，水文地质结构从单一的潜水含水层逐渐过渡为多层结构的潜水-承压含水层系统，地下水从强烈径流转变为缓慢径流甚至滞留，沉积物颗粒明显变细，以中细砂、粉砂为主，并出现连续稳定的黏土、粉砂质隔水层^[16-18]。共青团农场、一零五团及老龙河示范区位于冲洪积扇中下部，地下水类型主要为多层承压水和自流水，其北部区域则直接延伸至古尔班通古特沙漠的南缘。该区域沉积物颗粒极细，以粉砂、细砂和黏土为主^[19-20]，受地形影响，降水呈南多北少的空间分异特征，年均降雨量为181 mm，季节分配不均，夏季降水显著多于冬季。农业灌溉区坐落于冲洪积平原，地势平坦，面积约81 km×48 km，用水主要依赖地下水，导致地下水严重超采。据国家最新超采区划定成果，昌吉市地下水超采面积约为2 372 km²，其中农业超采区占比95.6%(图 1)；地下水超采量约为20 957万m³，其中农业灌溉用水量为17 553万m³，占比83.7%。

2 数据来源

收起

为获取研究区地面形变的时空特征，本文基于2017-04-17—2020-10-20共39景Sentinel-1A影像，解算获取雷达视线向的地面形变时间序列与形变速率。在此基础上，为综合分析沉降驱动机制，收集了多源驱动因子数据，包括研究区内14个监测井2018-01—2020-12月均地下水位埋深数据、2 486眼机井(即地下水抽取井)的点位分布数据及来源于国家青藏高原科学数据中心2017—2020年空间分辨率为1 km的逐月降雨量数据^[21](图 1)和100 m深度逐日土壤湿度数据^[21](图 2)。

3 研究方法

收起

针对农业灌溉区因作物覆盖导致的SAR影像干涉失相干的问题，采用StaMPS软件进行PS-InSAR处理^[22]。基于SNAP9.0平台，利用ESA提供的精密轨道数据对Sentinel-1A影像进行精确配准；采用1″分辨率的SRTM数字高程模型模拟去除地形相位，生成干涉图集后导入StaMPS-4.1-beta软件。为提升低相干区域的点目标密度，联合采用振幅离差指数与相位稳定性估计方法，同步提取永久性散射体(PS)与分布式散射体(DS)^[23-24]；同时引入GACOS数据^[25]校正对流层延迟误差，最终获取高精度的地面形变时间序列与速率场。因研究区缺乏外部实测数据，选取稳定区域作为参考点，所得形变速率可有效揭示空间分异格局与演化规律。

传统全局回归模型假定变量关系在空间上恒定，无法揭示地面形变驱动因子的局部效应，因此引入地理加权回归模型(GWR)，通过构建局部回归方程，能够有效捕捉驱动因子与地面形变之间随空间位置变化的关系模式^[26-27]。以形变速率为因变量，选取降雨量、地下水位变幅、机井密度及土壤湿度为核心驱动变量，重点分析各因子回归系数的空间分异特征，从而揭示地面形变驱动机制的区域差异性。

为揭示地面形变与周期农业灌溉活动之间的内在联系，采用Morlet小波对地面形变时序周期项进行小波变换，准确识别研究区地面形变时序的主周期成分和空间分布特征，以分析人为活动周期与地面形变响应的时序规律。

4 结果与分析

收起

4.1 时序InSAR形变监测结果

4.1.1 形变速率空间格局

基于PS-InSAR技术对研究区进行形变监测，共获取76 800个PS监测点。采用反距离权重(IDW)法插值生成空间连续的形变速率栅格(图 3)，并进行交叉验证，插值预测的均方根误差(RMSE)为1.5 mm/a。图 3可以清晰地识别出研究区地面形变具有显著的空间分异性，依据形变特征可划分出3个典型区域：南部山前冲洪积扇稳定区、洪积扇中部强烈沉降区及北部沙漠边缘抬升区。

1)南部山前冲洪积扇稳定区。该区域位于沪霍线以南，其LOS向形变速率集中于0~5.0 mm/a的微小波动区间，表明地表整体稳定。该区域4个监测井J1、J2、J3、J4的地下水位变幅较小，分别为-0.93 m、0.05 m、-0.52 m、-0.67 m，表明地下水动态较为平稳，这种小幅度的水位波动与微弱的形变响应相符。

2)洪积扇中部强烈沉降区。该区域形成研究区内最显著的沉降漏斗，空间上呈现独特的蝴蝶状沉降格局。沉降主要集中于东西两翼：西翼沉降中心位于牛圈子湖示范区至共青团农场、大西渠镇西北侧一带，最大沉降速率(LOS向)达-90.1 mm/a；东翼沉降中心分布于佃坝乡、共青团农场至滨湖镇的东侧区域，最大沉降速率(LOS向)为-69.2 mm/a，2个沉降中心共同构成了该区域剧烈的不均匀沉降态势。该剧烈沉降与地下水的强烈开采在空间上高度重合：位于沉降区内的监测井J10、J11和J7地下水位降幅显著，分别为-5.02 m、-3.46 m和-4.75 m，形成了与地面沉降漏斗基本重叠的地下水位降幅漏斗区。

3)北部沙漠边缘抬升区。该区域位于洪积扇中下部向沙漠过渡的地带，以老龙河示范区为代表，表现出独特的南北分异模式。自南向北，地表形变由轻微沉降过渡为显著抬升。尤其在北沙窝荒漠办一带，出现了范围约113 km²的明显抬升区，抬升速率(LOS向)介于5.0~21.7 mm/a之间，该区域监测井J13的地下水位升幅达6.35 m，其水位上升与地面抬升在空间趋势上保持一致。

4)监测井J14水位升幅达8.52 m，但周边地面形变速率呈现为略微下降趋势，沉降速率在-10.0~0 mm/a区间，表明该区域可能存在地质结构的滞后响应或其他复合因素的干扰。

总体而言，研究区从南至北展现了“稳定-剧烈沉降-局部抬升”的空间变化格局，揭示了自然地理单元与人类活动相互作用下的差异性地表响应。

4.1.2 形变时空演变规律

基于PS-InSAR技术获取的长时间序列形变监测结果显示，研究区地面沉降在时间维度上具有持续累积并与年内周期性波动相叠加的双重特征。为清晰呈现月际演变趋势，图 4选取了每年特定月份(4月与8月)的一期观测值作为代表数据进行制图。

从长时间序列趋势上看，累积沉降量在2017-04—2020-08内总体呈现逐年递增的态势。具体而言，2017—2018年沉降发展相对平缓，其沉降量与空间影响范围扩展缓慢；2019年起，沉降进程明显加速，沉降量与影响范围均急剧扩大。这一趋势在历年8月的最大累积沉降量上得到直观体现：该值由2017-08的-202.5 mm、2018-08的-206.5 mm，显著增至2019-08的-308.5 mm，并最终在2020-08达到-407.3 mm，清晰地揭示了沉降持续加剧的过程。

从年内季节变化来看，累积沉降量表现出规律性的季节波动，呈现出与灌溉开采期同步的季节性强弱交替规律。具体表现为，每年4月的形变量及沉降影响范围均处于年内较小水平；进入8月后，二者均达到年内峰值。这种年内周期性变化，叠加在长期趋势之上，共同构成了研究区沉降的时空演变模式。

4.1.3 形变周期特征的空间异质性

综合以上时空分析发现，在大部分区域地面形变速率与地下水位变幅表现出显著的相关性，累积沉降量在年内表现出规律的季节变化。从图 5可以看出，二者不仅长期保持着趋势上的一致性，更在周期性波动中呈现出对应的峰谷结构。然而，南部稳定区监测井J1的数据呈现局部特殊性，其地下水位在观测期内下降0.93 m，但对应的PS监测点形变速率却为3.7 mm/a，表现为微弱抬升趋势。这一现象可能与以下因素有关：1)该区域位于山前冲洪积扇顶部，含水层为巨厚卵石、砾石等粗颗粒介质，渗透性强，压缩性低，地下水位波动难以转化为有效的孔隙压力变化和地层压缩；2)季节性降雨补给与极低强度开采活动的叠加。

为深入分析地面形变周期特征的空间分布规律，对76 800个PS点的形变时间序列进行系统处理。首先通过二次多项式插值获取等间隔日数据并去除长期趋势项，然后采用Morlet小波对剩余周期项进行变换，识别出182 d、348 d、372 d、399 d、427 d和458 d共6个主要周期成分。为直观展示这些周期特征的空间分布，统计各主周期对应的PS点数量与空间分布，并绘制相应的幅值空间分布，见图 6。其中，图 6(a)与图 6(f)分别为研究区内最显著的372 d与348 d周期，其高幅值区域集中分布于洪积扇中部沉降漏斗区；图 6(b)中182 d周期的PS点数量最多，但幅值普遍较小，主要分布于南部稳定区及北部抬升区；图 6(c)、6(d)及6(e)分别为399 d、427 d与458 d周期，其空间影响范围与幅值强度逐次减弱。

研究区地面形变周期特征呈显著的空间差异性，主要受农业灌溉导致的地下水开采强度空间分布不均所控制，在开采强度最大的沉降区表现出最显著的周期项幅值。沉降区密集的机井分布为周期性形变提供了强大的外部驱动力，同时受水文地质结构(为多层结构的潜水-承压含水层系统，沉积物以易压缩的中细砂和粉砂为主)的影响，使其对周期性开采活动表现出极高的敏感性。在这2个方面因素的共同作用下，该区域在地下水周期性开采压力下产生了较为强烈的形变响应。

各周期幅值分析表明，372 d周期幅值最大(10.0~41.8 mm)，其次分别为348 d(10.0~41.4 mm)、399 d(10.0~35.7 mm)、427 d(10.0~26.7 mm)、458 d(10.0~24.9 mm)和182 d(10.0~20.0 mm)。综合考虑幅值大小与PS点数量，372 d和348 d周期在研究区占据显著主导地位，这一周期特征与当地一年一季的农作物种植模式高度吻合，证实了农业灌溉活动对地面沉降动态起到关键的控制作用。

4.2 基于GWR的地面沉降驱动因素空间异质性分析

4.2.1 GWR模型构建与验证

首先，将基于PS-InSAR技术获取的76 800个PS监测点数据，通过空间插值生成研究区形变速率栅格(图 3)。同时，利用14个地下水位监测井在2020-12相对于2018-01的实测水位变幅数据，采用反距离权重法插值得到地下水位变幅空间分布栅格；通过对2 486个机井点位进行核密度分析，生成机井密度分布栅格。为保证数据的空间一致性，将上述3个栅格数据层与年均降雨量栅格和100 m深度日均土壤湿度栅格(图 2)进行重采样，统一空间分辨率。最终，在研究区按1 km×1 km网格创建3 000个渔网面单元，由于部分地区(一零五团、共青团农场、军户农场)缺乏地下水位与机井数据，对该区域进行掩膜处理后，用于后续的GWR分析。

在建模过程中，首先采用普通最小二乘法(OLS)进行共线性诊断，确保各解释变量的方差膨胀因子(VIF)均小于5，满足模型可靠性要求^[28]。OLS全局回归结果(表 1)显示，降雨量对地面形变的整体影响最为显著。为进一步揭示影响因素的空间非平稳性，建立GWR模型，采用自适应带宽和高斯核函数计算回归权重，为每个渔网单元生成特定的局部回归系数。最后，利用诊断参数，包括修正的阿凯克信息准则(AICc)、拟合优度(R²)和调整后的R²对GWR模型的拟合优度检验进行评价^[29-30]。结果(表 2)表明，GWR模型的R²达到0.912 5，且其AICc值小于OLS模型，证明GWR模型具有更高的解释能力和更好的拟合效果，能有效刻画各因素对地面形变影响的空间异质性特征。

4.2.2 驱动因子空间异质性响应特征

为探究地面沉降与各驱动因子之间的空间异质性，基于GWR模型的局部回归系数绘制各驱动因子的空间分布，从局部拟合优度(Local R²)分布(图 7)可见，除个别区域外，大部分区域的Local R²值介于0.40~0.87区间，表明模型在空间上具有良好的解释能力。

地下水位变幅回归系数的空间分布(图 8)显示出明显的区域差异：沪霍线以南部分区域回归系数为负值(-8.5~0)，表明该区域地下水位下降对地面形变的影响呈弱负相关；其他区域回归系数均为正值，特别是在牛圈子湖示范区、大西渠镇等地，回归系数高达10.0~14.7，呈显著正相关性，显示这些区域的地面沉降对地下水位下降响应极为敏感。

年均降雨量回归系数的空间分布(图 9)表明，除北部沙漠边缘外，大部分地区回归系数均为负值，反映降雨量与地面形变总体呈负相关关系。特别在沉降漏斗集中区域，回归系数达到-20.0~-41.2的显著水平，印证了降雨稀少是加剧该区域地面沉降的重要环境因素。

机井点位核密度回归系数空间分布(图 10)显示，受共青团农场数据缺失影响，在共青团农场附近、滨湖乡、六工镇东部小范围区域回归系数为负值，其他地区回归系数均为正值，主要集中在0~5.0区间，表明机井点位密度对地面沉降总体呈现较弱的正向驱动作用。

土壤湿度回归系数空间分布(图 11)显示，在老龙河示范区等靠近沙漠边缘的区域，回归系数为负值(-13.9~-5.0)，反映在该区域土壤湿度不是引起地面形变的决定因素；其余大部分地区回归系数为正值(0~5.0)，表明土壤湿度对沉降存在一定的正向影响。

4.2.3 地面沉降成因分析

基于PS-InSAR形变监测结果，地面形变表现出明显的空间分异格局，该格局是局部水文地质条件、差异化人类活动、深层土壤湿度和降雨空间分布不均共同作用的结果。为量化人为调控措施对地下水动态的影响，表 3列出了昌吉市农业科技园区不同分区监测井的平均数据统计情况，包括农业园区1眼、老龙河区3眼和牛圈子湖区2眼监测井。数据显示，在推广地表水利用与实施退地减水等措施后，农业园区与老龙河区的地下水位均有所上升，其中老龙河区水位回升幅度达8.37 m^[31-32]，反映出人为调控对地下水系统的显著影响。

1)南部山前稳定区。该区域形变微弱(LOS向形变速率为0~5.0 mm/a)的首要原因在于其有利的水文地质基础，巨厚且单一的潜水含水层由卵石、砾石等高强度粗颗粒物质构成，形成了抗形变能力强的地质骨架和独特的水文动态。尽管山前降雨丰沛，但深层土壤湿度值偏小，土壤湿度对该区域形变回归系数处在0~5.0的较低水平，表明土壤湿度变化对本区域形变的驱动作用微弱。与此同时，较弱的人类活动干扰与山前相对丰沛的降雨对地下水形成了有效补给，共同导致该区地下水位仅呈略微下降态势。回归分析中较低的Local R²值进一步印证，稳定的地质结构是本区域形变的主导控制因素，其作用超越了其他变量的解释范畴，从而保障了地表的长期稳定。

2)洪积扇中部强烈沉降区。该区域形成蝴蝶状沉降漏斗，最大沉降速率达-90.1 mm/a，是水文地质结构与强烈人为干扰共同作用的结果。水文地质结构从单一潜水含水层转变为多层结构的潜水-承压含水层系统，沉积物变为易压缩的中细砂、粉砂为主。分析回归系数空间分布(图 8)，牛圈子湖示范区附近地下水降幅回归系数(10.0~14.7)表明其对水位变化更为敏感，牛圈子湖示范区2眼监测井多年平均地下水位埋深降幅为-2.12 m(表 3)，证实超采对沉降的强烈驱动作用。此外，降雨回归系数呈显著负值(-41.2~-10.0)，说明降雨补给不足进一步加剧了沉降发展。

3)北部沙漠边缘抬升区。该区表现出从轻微沉降到显著抬升(北沙窝一带形变速率达5.0~21.7 mm/a)的独特模式。回归分析表明，该区域地下水位抬升(回归系数为5.0~10.0)与机井数量(回归系数为0~5.0)共同决定了地面抬升趋势，表明该区域地下水位动态主要受人工调控下的开采控制影响。老龙河示范区3眼监测井多年平均地下水位埋深升幅为8.37 m，监测井J13在2018—2020年的地下水位升幅为6.35 m，均印证了这一事实。该区域地处古尔班通古特沙漠南缘，降雨稀少，土壤湿度极低，但降雨(回归系数为10.0~39.8)和土壤湿度(回归系数为-13.9~-5.0)与形变无直接关联，反映出水资源管理措施对沙漠边缘带地质环境产生的积极调控作用。

5 结语

收起

本文系统揭示了昌吉市农业灌溉区地面形变时空演化规律和驱动机制，得出以下结论：

1)时序InSAR监测结果表明，研究区形变在空间上呈“南稳-中沉-北升”的分异格局，其中中部沉降漏斗最大形变速率达-90.1 mm/a，北部抬升区最大形变速率达21.7 mm/a。在时间上，累积沉降量持续增加，并呈现出与灌溉开采期同步的季节性强弱交替规律，2017—2020年最大累积沉降量由202.5 mm增至407.3 mm，反映出沉降过程持续加剧的态势。

2)小波分析识别出地面沉降区存在372 d和348 d两个主周期，其空间分布与农业灌溉强度高度吻合。这一周期性特征与当地一年一季的种植模式相对应，证实了农业灌溉活动对地面沉降动态的关键控制作用。

3)地面形变驱动机制呈现显著的空间异质性特征。GWR结果表明，在沉降发育区降雨量解释力最强(回归系数为-41.2~-10.0)，证实降水补给不足是控制区域地面沉降的主导环境因子，也揭示了气候干旱化对地面沉降过程的强化效应。

4)南部稳定区的形成得益于自然和人类活动耦合机制。沪霍线以南区域充沛的降雨补给与巨厚粗颗粒含水层的地质优势共同构建了有效的地面稳定机制，加之较低的机井密度，使得该区域在农业开采背景下仍保持良好的地面稳定性。

5)北部抬升区的异常形变模式揭示了人为调控的有效性。北沙窝荒漠办区域的地面抬升(速率为5.0~21.7 mm/a)主要受地下水位回升(回归系数为5.0~10.0)与机井调控(回归系数为0~5.0)共同驱动，与降雨、土壤湿度因素无关，体现了人为水资源管理措施在逆转沙漠边缘带地面沉降趋势中的关键作用。

本文通过多方法融合分析，不仅明确了不同地质单元内地面形变的主导驱动因素，还揭示了农业灌溉活动引发的周期性形变特征，为制定差异化的地面沉降防治策略提供了科学依据，对干旱区水资源合理开发与地质灾害防控具有重要指导意义。

基金

收起

新疆维吾尔自治区自然科学基金(2021D01A99)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

李宾, 陶秋香, 牛冲, 等. 全分辨率与多视法DInSAR矿区地面沉降监测研究[J]. 西南大学学报：自然科学版, 2023, 45 (1): 173- 182

Bin

, Tao

Qiuxiang

, Niu

Chong

, et al. Study on the Mining Area Subsidence Monitored by DInSAR with Full-Resolution and Multi-Look SAR Images[J]. Journal of Southwest University：Natural Science, 2023, 45 (1): 173- 182

赵龙, 蒋小伟, 李玉梅, 等. 近10年北京平原区地下水水位变化及与地面沉降的关系研究[J]. 地质学报, 2025, 99 (5): 1792- 1806

Zhao

Long

, Jiang

Xiaowei

, Li

Yumei

, et al. Groundwater Level Changes and Their Impact on Land Subsidence in the Beijing Plain during the Past 10 Years[J]. Acta Geologica Sinica, 2025, 99 (5): 1792- 1806

李振洪, 朱武, 余琛, 等. 雷达影像地表形变干涉测量的机遇、挑战与展望[J]. 测绘学报, 2022, 51 (7): 1485- 1519

Zhenhong

, Zhu

, Yu

Chen

, et al. Interferometric Synthetic Aperture Radar for Deformation Mapping: Opportunities, Challenges and the Outlook[J]. Acta Geoda-etica et Cartographica Sinica, 2022, 51 (7): 1485- 1519

Carnec

, Fabriol

. Monitoring and Modeling Land Subsidence at the Cerro Prieto Geothermal Field, Baja California, Mexico, Using SAR Interferometry[J]. Geophysical Research Letters, 1999, 26 (9): 1211- 1214

Phien-Wej

, Giao

P H

, Nutalaya

. Land Subsidence in Bangkok, Thailand[J]. Engineering Geology, 2006, 82 (4): 187- 201

Ojha

, Shirzaei

, Werth

, et al. Sustained Groundwater Loss in California’s Central Valley Exacerbated by Intense Drought Periods[J]. Water Resources Research, 2018, 54 (7): 4449- 4460

张倩, 马悦, 周洪月, 等. 基于InSAR技术的天津局部地表沉降特征分析[J]. 测绘通报, 2024 (2): 74- 79

Zhang

Qian

, Ma

Yue

, Zhou

Hongyue

, et al. Analysis of Local Surface Subsidence Characteristics in Tianjin Based on InSAR Technology[J]. Bulletin of Surveying and Mapping, 2024 (2): 74- 79

唐伟, 赵祥君, 康彩琴, 等. 太原盆地地面沉降时序InSAR监测与季节性变形小波分析[J]. 地球物理学报, 2023, 66 (6): 2352- 2369

Tang

Wei

, Zhao

Xiangjun

, Kang

Cai-qin

, et al. Monitoring Land Subsidence by Time Series InSAR and Wavelet Analysis of Seasonal Deformation in Taiyuan Basin[J]. Chinese Journal of Geophysics, 2023, 66 (6): 2352- 2369

李玉梅, 罗勇, 赵龙. 北京市平原区地面沉降研究进展与思考[J]. 灾害学, 2023, 38 (4): 121- 126

Yumei

, Luo

Yong

, Zhao

Long

. The Advance and Considerations on Land Subsidence in Beijing Plain[J]. Journal of Catastrophology, 2023, 38 (4): 121- 126

王润泽, 费敏, 梁世川, 等. 基于SBAS-InSAR技术监测西安市地表形变特征[J]. 测绘通报, 2023 (1): 173- 178

Wang

Runze

, Fei

Min

, Liang

Shichuan

, et al. Monitoring of Surface Deformation Characteristics in Xi’an Based on SBAS-InSAR Technology[J]. Bulletin of Surveying and Mapping, 2023 (1): 173- 178

M J

, Sun

J B

, Xue

, et al. Characterizing Aquifer Properties and Groundwater Storage at North China Plain Using Geodetic and Hydrological Measurements[J]. Water Resources Research, 2025, 61 (2)

Orhan

, Haghshenas

H M

, Demir

, et al. Spatial and Temporal Patterns of Land Subsidence and Sinkhole Occurrence in the Konya Endorheic Basin, Turkey[J]. Geosciences, 2024, 14 (1)

Lai

S J

, Lin

J X

, Dong

, et al. Investigating Overlapping Deformation Patterns of the Beijing Plain by Independent Component Analysis of InSAR Observations[J]. International Journal of Applied Earth Observation and Geoinformation, 2024, 135

李雪妮. 天山北麓山前冲洪积扇水源地研究[J]. 地下水, 2018, 40 (6): 176- 178

Xueni

. Study on the Water Source of Piedmont Alluvial-Diluvial Fan at the Northern Foot of Tianshan Mountain[J]. Ground Water, 2018, 40 (6): 176- 178

姜军. 昌吉市主要工程地质问题浅谈[J]. 西部探矿工程, 2001, 13 (6): 36- 37

Jiang

Jun

. Discussion on Main Engineering Geological Problems in Changji City[J]. West-China Exploration Engineering, 2001, 13 (6): 36- 37

何玉敬. 新疆昌吉市地下水动态分析研究[J]. 干旱环境监测, 2019, 33 (4): 155- 158

Yujing

. Dynamic Analysis of Groundwater in Changji City of Xinjiang[J]. Arid Environmental Monitoring, 2019, 33 (4): 155- 158

吴红燕. 新疆天山北坡平原区地下水可开采量确定方法浅析[J]. 干旱区地理, 2013, 36 (5): 883- 888

Hongyan

. Methods for Determining Groundwater Exploitation Amou-nt in Plain Areas of Northern Slope of Tianshan Mountains[J]. Arid Land Geography, 2013, 36 (5): 883- 888

董新光, 邓铭江. 新疆地下水资源[M]. 乌鲁木齐: 新疆科学技术出版社, 2005

Dong

Xinguang

, Deng

Mingjiang

. Groundwater Resources in Xinjiang[M]. Urumqi: Xinjiang Science and Technology Press, 2005

陶通炼, 谭典佳, 李志忠, 等. 古尔班通古特沙漠南缘沉积记录的沙漠-绿洲演化特征[J]. 亚热带资源与环境学报, 2024, 19 (3): 197- 206

Tao

Tonglian

, Tan

Dianjia

, Li

Zhizhong

, et al. Sedimentary Records of the Southern Margin of the Gurbantunggut Desert Desert-Oasis Evolution Characteristics[J]. Journal of Subtropical Resources and Environment, 2024, 19 (3): 197- 206

谭典佳, 马运强, 李志忠, 等. 天山北麓河流下游冲积平原沉积记录的中晚全新世环境演变[J]. 山地学报, 2023, 41 (3): 307- 321

Tan

Dianjia

, Ma

Yunqiang

, Li

Zhizhong

, et al. Environmental Evolution of Middle-Late Holocene Verified by Sedimentary Evidences in the Alluvial Plain in the Northern Foothills of the Tianshan Mountains, China[J]. Mountain Research, 2023, 41 (3): 307- 321

Peng

S Z

, Ding

Y X

, Wen

Z M

, et al. Spatiotemporal Change and Trend Analysis of Potential Evapotranspiration over the Loess Plateau of China during 2011—2100[J]. Agricultural and Forest Meteorology, 2017, 233, 183- 194

Hooper

, Zebker

, Segall

, et al. A New Method for Measuring Deformation on Volcanoes and Other Natural Terrains Using InSAR Persistent Scatterers[J]. Geophy-sical Research Letters, 2004, 31 (23)

Hooper

, Segall

, Zebker

. Persistent Scatterer Interferometric Synthetic Aperture Radar for Crustal Deforma-tion Analysis, with Application to Volcán Alcedo, Galápa-gos[J]. Journal of Geophysical Research: Solid Earth, 2007, 112 (B7)

Hooper

. A Multi-Temporal InSAR Method Incorporating both Persistent Scatterer and Small Baseline Approaches[J]. Geophysical Research Letters, 2008, 35 (16)

, Li

Z H

, Penna

N T

, et al. Generic Atmospheric Correction Model for Interferometric Synthetic Aperture Radar Observations[J]. Journal of Geophysical Research: Solid Earth, 2018, 123 (10): 9202- 9222

沈润, 李灿锋, 王兴荣, 等. 基于GWR和RF模型的泸江流域土壤有机碳空间分布特征[J]. 中国水土保持科学, 2025, 23 (4): 96- 105

Shen

Run

, Li

Canfeng

, Wang

Xingrong

, et al. Spatial Distribution Characteristics of Soil Organic Carbon in Lujiang River Basin Based on GWR and RF Model[J]. Science of Soil and Water Conservation, 2025, 23 (4): 96- 105

田秀秀, 王彦兵, 杨翠玉, 等. 基于GWR模型的地下水超采对地面沉降影响分析[J]. 地理与地理信息科学, 2021, 37 (3): 97- 102

Tian

Xiuxiu

, Wang

Yanbing

, Yang

Cuiyu

, et al. Influence Analysis of Groundwater Withdrawal on Land Subsidence Based on Geographical Weighted Regre-ssion Model[J]. Geography and Geo-Information Science, 2021, 37 (3): 97- 102

张上要, 宋雄, 顷宏利, 等. 基于VIF-GBRT-MC模型的日径流预测[J]. 中国农村水利水电, 2024 (9): 204- 210

Zhang

Shangyao

, Song

Xiong

, Qing

Hongli

, et al. Daily Streamflow Prediction Based on VIF-GBRT-MC Model[J]. China Rural Water and Hydropower, 2024 (9): 204- 210

龙依, 蒋馥根, 孙华, 等. 基于带宽优选地理加权回归模型的深圳市植被碳储量反演[J]. 生态学报, 2022, 42 (12): 4933- 4945

Long

, Jiang

Fugen

, Sun

Hua

, et al. Estimating Vegetation Carbon Storage Based on Optimal Bandwidth Selected from Geographically Weighted Regression Model in Shenzhen City[J]. Acta Ecologica Sinica, 2022, 42 (12): 4933- 4945

王娜, 李乐, 勾蒙蒙, 等. 基于GWR模型的秭归县柑橘园土壤有机碳空间异质性分析[J]. 长江流域资源与环境, 2023, 32 (4): 751- 763

Wang

, Li

, Gou

Mengmeng

, et al. Spatial Heterogeneity Analysis of Soil Organic Carbon in Citrus Orchards in Zigui County Based on GWR Model[J]. Resources and Environment in the Yangtze Basin, 2023, 32 (4): 751- 763

徐玮, 马哲, 沈朝阳. 昌吉国家农业科技园区地下水动态特征分析与监测管理工作思考[J]. 水资源开发与管理, 2023, 9 (1): 8- 13

Wei

, Ma

Zhe

, Shen

Zhaoyan

. Groundwater Dynamic Characteristics Analysis and Consideration on Monitoring Management in Changji National Agricultural Science and Technology Park[J]. The Global Seabuckthorn Research and Development, 2023, 9 (1): 8- 13

王淑虹. 新疆昌吉州“十四五”水安全保障规划目标探讨[J]. 水资源开发与管理, 2021, 7 (12): 47- 52

Wang

Shuhong

. Discussion on the Objectives of Water Security Planning in Changji Prefecture in Xinjiang during the 14th Five-Year Plan[J]. The Global Seabuckthorn Research and Development, 2021, 7 (12): 47- 52

2026年第46卷第9期

引用本文

BibTeX

文章信息

doi: 10.14075/j.jgg.2025.12.435

接收时间：2025-12-10
首发时间：2026-10-30
出版时间：2026-09-15

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2025-12-10

基金

新疆维吾尔自治区自然科学基金(2021D01A99)

作者信息

1 新疆农业大学水利与土木工程学院, 乌鲁木齐, 830052

2 新疆水利工程安全与水灾害防治重点实验室, 乌鲁木齐, 830052

3 新疆维吾尔自治区地震局, 乌鲁木齐, 830011

通讯作者:

吴彬，博士，教授，主要研究方向为内陆干旱区水资源保护与利用，E-mail:wubinxj@163.com

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/ddcl/CN/10.14075/j.jgg.2025.12.435

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT